(2017.4.4更新) 利用神经网络进行字符型图片验证码识别
2017-04-04 17:27
351 查看
(2017.4.4更新) 利用神经网络进行字符型图片验证码识别
(2017.4.4)深度学习这么火,想跟个风入个门,理论看了一些,想找点东西练练手,至少先做个hello-world出来嘛
看到MNIST的数字识别,又看到学校教务的渣渣验证码,干脆,就用这个搭第一个神经网络吧。
本项目代码已上传至github:https://github.com/NBGroupp/swjtu_verif
预处理
首先从教务爬了5w个图教务网验证码大概长这样:
利用和
http://www.cnblogs.com/beer/p/5672678.html
相同的方法进行处理
分割
分割大概遇到几类问题:1.字符位置不固定
2.字符宽度不固定
3.降噪后些许字符有粘连
采用下面的算法解决问题:
1.首先统计每一行字符的黑色像素点个数和每一列的黑色像素点个数
2.对于行需求取2个边界,像素点个数pixel<2即为边界,对于列需求取5个边界则需要考虑以下情况:
以pixel>0定义字符最左边界,设为front;
i自front向右移动,若遇到pixel=0且1<(i-front)<17,则back=i;
若i-front>=17,则m=min(pixel(i:i-15)),取back等于pixel=m的最右一列
若i-front<17且已到列最右侧,则back=列的最大值
若分割数!=4,则跳过本图进行下次分割
分割后的图片均放在背景为20*20的白色背景上。放置位置在左上方。
训练集和测试集的制作
人工看有点烦。。。就用Google的pytessor把爬下来的验证码重命名,成功分割的图片就以图片名字的四个字母命名。放到list中,随机抽取10000作为测试集,剩余作为训练集。网络的搭建(下次更)
相关文章推荐
- 如何利用神经网络结合遗传算法进行非线性函数极值寻优(2)
- 第三期 利用已经训练的神经网络进行图像识别 《显卡就是开发板》
- 利用MATLAB 2016a进行BP神经网络的预测(含有神经网络工具箱)
- Torch7学习(六)——学习神经网络包的用法(4)——利用optim进行训练
- 利用神经网络进行音频数据分类
- Keras 如何利用训练好的神经网络进行预测
- 利用MATLAB 2016a进行BP神经网络的预测(含有神经网络工具箱)
- 机器学习实验报告:利用3层神经网络对CIFAR-10图像数据库进行分类
- 如何利用训练好的神经网络进行预测
- 利用tensorflow一步一步实现基于MNIST 数据集进行手写数字识别的神经网络,逻辑回归
- 利用Pybrain库进行神经网络函数拟合
- Opencv利用神经网络进行车牌识别(c++)
- 如何利用训练好的神经网络进行预测
- 如何利用BP网络进行神经网络变量筛选
- 如何利用神经网络结合遗传算法进行非线性函数极值寻优(1)
- tensorflow练习1:利用神经网络进行分类
- 利用神经网络方法进行复杂函数的求导
- 如何利用SOM网络进行柴油机故障诊断
- 利用WMI获取和更新网络设置(VBS脚本)
- Python中利用原始套接字进行网络编程的示例